| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-16页 |
| ·引言 | 第9页 |
| ·课题研究背景和意义 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·智能视频监控技术 | 第11-12页 |
| ·人流量统计技术 | 第12-14页 |
| ·论文研究内容 | 第14页 |
| ·论文组织结构 | 第14-16页 |
| 2. 基于对称差分和混合高斯模型的运动目标检测 | 第16-27页 |
| ·运动目标检测的预备知识 | 第16-19页 |
| ·帧间差分法 | 第16-17页 |
| ·背景差分法 | 第17-18页 |
| ·单高斯分布模型 | 第18页 |
| ·混合高斯分布模型 | 第18-19页 |
| ·融合对称差分与混合高斯模型的检测算法 | 第19-23页 |
| ·算法的描述 | 第20-21页 |
| ·形态学滤波处理 | 第21-22页 |
| ·实验结果与分析 | 第22-23页 |
| ·基于连通区域的目标轮廓提取算法 | 第23-26页 |
| ·区域连通性分析 | 第24-25页 |
| ·运动人体轮廓提取结果 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3. 基于改进的Adaboost运动人体头部检测 | 第27-46页 |
| ·引言 | 第27-28页 |
| ·Haar特征概述 | 第28-32页 |
| ·积分图像 | 第30-31页 |
| ·特征计算 | 第31-32页 |
| ·Adaboost算法 | 第32-37页 |
| ·Adaboost算法原理 | 第33-36页 |
| ·构造级联分类器 | 第36-37页 |
| ·基于改进的Adaboost算法的人头检测算法 | 第37-42页 |
| ·样本库的搭建 | 第38-39页 |
| ·基于改进的Adaboost行人头部检测算法 | 第39-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 4. 运动目标跟踪 | 第46-61页 |
| ·引言 | 第46-47页 |
| ·运动目标跟踪基本方法研究 | 第47-51页 |
| ·Meanshift算法 | 第47-49页 |
| ·Kalman滤波 | 第49-50页 |
| ·粒子滤波 | 第50-51页 |
| ·基于Meanshift和Kalman滤波的行人跟踪 | 第51-54页 |
| ·算法的描述 | 第51-53页 |
| ·实验结果与分析 | 第53-54页 |
| ·基于多特征匹配的区域跟踪 | 第54-59页 |
| ·基于多特征匹配的区域跟踪算法的描述 | 第54-58页 |
| ·实验结果与分析 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 5. 人流量统计系统的实现 | 第61-70页 |
| ·系统设计内容及功能分析 | 第61-63页 |
| ·系统开发平台 | 第63页 |
| ·系统运行结果 | 第63-68页 |
| ·本章小结 | 第68-70页 |
| 结论 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间发表的与学位论文内容相关的学术论文及研究成果 | 第77页 |